アルゴリズム（kNeighbrClassifier / KNN）付近K：ユークリッド距離の原則+ +最近の投票（重量）+確率
遠くに分類に従って
ユークリッド距離：多次元空間内の各点との間の距離
短所：時間の複雑さと空間の複雑さの大きいです
注意味：ときより少ないトレーニング時間サンプルデータは、同じ割合をサンプリングするようにしてください
KNN分類アルゴリズム映画
インポートnumpyの
インポート PANDAS ＃Excelファイルがインポートされて
から sklearn.neighbors インポート KNeighborsClassifierの ＃のアルゴリズム学習深させずに、アルゴリズムライブラリを機械学習
ムービー = pandas.read_excel（R＆LT " \ Pythonの\コード\マシン-学び\ 1-KNN：D \データ\映画.xlsx "、シート名！= 0）
の映画
| 映画の名 | 武道のシーン | キスシーン | 分類 | |
|---|---|---|---|---|
| 0 | 西の旅 | 36 | 1 | アクション映画 |
| 1 | SPL | 43 | 2 | アクション映画 |
| 2 | 元3 | 0 | 10 | ロマンス |
| 3 | ウルフ2 | 59 | 1 | アクション映画 |
| 4 | タイタニック | 1 | 15 | ロマンス |
| 5 | 新余市の願い | 2 | 19 | ロマンス |
= pandas.read_excel映画（R＆LT " D：\ Pythonの\コード\ -Learnマシン\ -the KNN 1 \データ\ movie.xlsx "、SHEET_NAME = 0）
X =映画[[ " 武道レンズ"、" キスレンズ" ] ＃トレーニングデータでトレーニングデータを削除
Y =映画[ " 分類" ] ＃の削除対象
KNN = KNeighborsClassifier（= N_NEIGHBORS。5 ）
knn.fit（X、Y） ＃のトレーニングデータ
＃、予想映画"スピード"武道カメラ50をキスレンズ2
x_text = pandas.DataFrame（{ " 武道レンズ"：[50,3]、" レンズキス"：[2、50 ]}）
x_text
| 武道のシーン | キスシーン | |
|---|---|---|
| 0 | 50 | 2 |
| 1 | 3 | 50 |
= get_result knn.predict（x_text）
get_proba = knn.predict_proba（x_text）
プリント（" 確率：{} " .format（get_proba））
プリント（" 分類結果：{} " .format（get_result））
確率：[[0.6 0.4] [0.4 0.6]] 結果：[ 'アクション映画' 'ラブストーリー']
フィルムの分類動作原理
s=((movie["武打镜头"]-50)**2+(movie["接吻镜头"]-2)**2)**0.5 #根据knn算法求距离
index=s.sort_values().index #先将数据排序然后取出索引
fljg=movie["分类情况"][index[:5]]
print("\n{}".format(index),"\n分类：\n{}".format(fljg))
Int64Index([1, 3, 0, 2, 4, 5], dtype='int64') 分类： 1 动作片 3 动作片 0 动作片 2 爱情片 4 爱情片 Name: 分类情况, dtype: object
识别梵文
import numpy
import os
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier
img=plt.imread(r"D:\Python\代码\Machine-Learn\1-KNN\data\手写字母测试与训练\梵文识别学习\Test\character_1_ka\1339.png")
plt.imshow(img,cmap=plt.cm.gray)
<matplotlib.image.AxesImage at 0x1af31dcc048>
#将读取的图片保存到数组data中
def img_read(dir_name,data):
for filename in os.listdir(dir_name):
img=plt.imread(dir_name+"\\"+filename)
data.append(img)
def readTain(): #获取训练数据
data=[]
dir_path=r"D:\Python\代码\Machine-Learn\1-KNN\data\手写字母测试与训练\梵文识别学习\Train"
for dir_name in os.listdir(dir_path)[36:]:
dir_name=dir_path+"\\"+dir_name
img_read(dir_name,data)
return data
def readTest(): #获取测试数据
data_test=[]
dir_test_path=r"D:\Python\代码\Machine-Learn\1-KNN\data\手写字母测试与训练\梵文识别学习\Test"
for dir_name in os.listdir(dir_test_path)[36:]:
dir_name=dir_test_path+"\\"+dir_name
img_read(dir_name,data_test)
return data_test
x=readTain() #训练数据
train_x=numpy.array(x)
train_x_shape={}
train_x_shape["图片数量"]=test_x.shape[0]
train_x_shape["宽度"]=str(test_x.shape[1])+"px"
train_x_shape["高度"]=str(test_x.shape[2])+"px"
train_x_shape